sklearn.preprocessing.robust_scale¶

sklearn.preprocessing.robust_scale(X, *, axis=0, with_centering=True, with_scaling=True, quantile_range=(25.0, 75.0), copy=True)

沿任何轴标准化数据集

根据四分位数范围，以中位数和分量明智规模为中心。

在用户指南中阅读更多内容。

参数	说明
X	array-like 数据要居中和缩放。
axis	int (0 by default) 用于计算中位数和IQR的轴。如果为0，则分别缩放每个特征，否则（如果为1）缩放每个样本。
with_centering	boolean, True by default 如果为True，则在缩放之前将数据居中。
with_scaling	boolean, True by default 如果为True，则将数据缩放到单位方差（或等效地，单位标准偏差）。
quantile_range	tuple (q_min, q_max), 0.0 < q_min < q_max < 100.0 默认值：（25.0，75.0）=（第一分位数，第三分位数）= IQR用于计算scale_的分位数范围。版本0.18中的新功能。
copy	boolean, optional, default is True 设置为False可以执行就地行规范化并避免复制（如果输入已经是numpy数组或scipy.sparse CSR矩阵，并且轴为1）。

另见：

RobustScaler

使用Transformer API（例如，作为预处理 sklearn.pipeline.Pipeline的一部分）执行居中和缩放。

注释

此实现将拒绝使scipy.sparse矩阵居中，因为这会使它们变得稀疏，并可能因内存耗尽问题而使程序崩溃。

相反，调用者要么显式设置为_centering=False（在这种情况下，只有对CSR矩阵的特征执行方差缩放），要么调用X.toarray（），如果他/她希望物化密集数组适合内存。

为避免内存复制，调用者应传递一个CSR矩阵。

有关不同缩放器，转换器和规范化器的比较，请参阅examples/preprocessing/plot_all_scaling.py。